Penerapan Algoritma Random Forest untuk Klasifikasi Depresi Berdasarkan Faktor Tekanan Kerja dan Kebiasaan Hidup

Abstrak

Depresi adalah kondisi psikologis yang memiliki dampak besar baik pada masyarakat maupun individu. Dengan menggunakan algoritma Random Forest, penelitian ini bertujuan untuk membuat model klasifikasi depresi yang mengacu pada faktor tekanan kerja dan gaya hidup. Penelitian ini menggunakan pendekatan Knowledge Discovery in Databases (KDD) untuk menganalisis sampel profesional tentang depresi yang terdiri dari 2.054 data yang mengandung 11 variabel, termasuk usia, tekanan kerja, jam kerja, kebiasaan tidur, dan riwayat kesehatan mental keluarga. Hasil penelitian menunjukkan bahwa algoritma Random Forest mencapai akurasi 91% dalam mengklasifikasikan kondisi depresi, dengan usia sebagai faktor paling penting, diikuti oleh tekanan kerja, jam kerja, kebiasaan tidur, dan usia. Variabel seperti jenis kelamin dan riwayat kesehatan mental keluarga tidak memberikan pengaruh yang signifikan

Menurut penelitian ini, faktor risiko depresi bersifat multidimensi, termasuk tekanan pekerjaan dan demografi. Hasil ini dapat digunakan sebagai dasar untuk merancang strategi pencegahan dan intervensi kesehatan mental di lingkungan kerja. Untuk melakukan analisis yang lebih mendalam di masa depan, model dapat diperbarui dengan mempertimbangkan faktor lain seperti status sosial ekonomi.